CRITÈRES DIAGNOSTIQUES ET SOUS-CATÉGORIES

Como visto neste cap´ıtulo, as sele¸c˜oes por similaridade s˜ao expressas em SQL ap´os a clausula WHERE, considerando que as outras classes de opera¸c˜ao por similaridade tamb´em podem ser expressas em SQL de outras formas. Para uma sele¸c˜ao tradicional, temos a defini¸c˜ao em SQL que atributo θ valor, onde θ ´e um operador que se enquadra nas propriedades ROT. Para manter o mesmo padr˜ao, uma sele¸c˜ao por similaridade, pode ser tamb´em expressa pela forma atributo θ valor, agora θ ´e um operador de consulta por similaridade (Silva e Aref, 2009), de acordo com a sintaxe:

<atributo> operador <centro_consulta> [STOP AFTER <k>] [RANGE <raio>] Barioni (Barioni, 2006) prop˜oe dois operadores de similaridade: NEAR e FAR para recuperar objetos que devem estar pr´oximos e distantes. Por exemplo, suponha os seguinte comandos:

(1) SELECT imgId, scannerId FROM mamografia WHERE cranioCaudal NEAR ( SELECT cranioCaudal FROM mamografia WHERE imgId = ’1’) by histograma RANGE 0.2;

(2) SELECT imgId, scannerId FROM mamografia WHERE medioLateralObliqua NEAR ( SELECT medioLateralObliqua FROM mamografia WHERE imgId = ’1’) by histograma STOP AFTER 3;

O comando descrito em (1) recupera todas as imagens de corte Cranio Caudal da tabela que est˜ao a distˆancia 0.2 da imagem centro de consulta (cujo identificador ´e igual 1), considerando a representa¸c˜ao no espa¸co m´etrico via a m´etrica histograma, que por sua vez, associa a representa¸c˜ao dada pelo extrator histograma e a fun¸c˜ao de distˆancia euclidiana. J´a o comando descrito em (2) recupera as 3 imagens Medio Laterais Obliquas mais similares ao centro de consulta, com as mesmas considera¸c˜oes de (1).

Repare que o centro de consulta pode ser expresso como o resultado de um comando

SELECT e como tal ´e um conjunto com qualquer n´umero de linhas (tuplas). Caso esse

conjunto possua mais de um elemento podemos realizar uma consulta tendo em conta uma similaridade de grupo. Como visto no come¸co deste cap´ıtulo ´e poss´ıvel utilizar uma fun¸c˜ao de agrega¸c˜ao para a realiza¸c˜ao dessas opera¸c˜oes. Neste caso, para cada centro

3.8 Predicados de Sele¸c˜ao por Similaridade 39 s1 s2 s3 s4 s9 s5 s8 s6 s10 s7 q1 q2 q3 s1 s2 s3 s4 s9 s5 s8 s6 s10 s7 q1 q2 q3 s1 s2 s3 s4 s9 s5 s8 s6 s10 s7 q1 q2 q3 (A) (B) (C)

Figura 3.2: Fun¸c˜oes de agrega¸c˜ao para m´ultiplos centros de consulta, utilizando-se

padr˜ao de agrega¸c˜ao mp como fun¸c˜ao avaliadora. Em (A) O primeiro

objeto selecionado a partir de p = 1. Em (B) O primeiro objeto selecionado tendo-se em p = 2 e, em (C) O primeiro objeto selecionado considerando-se p = ∞.

de consulta ´e computada a distˆancia pr´e-estabelecida e ent˜ao o conjunto de dados que responda a consulta ´e recuperado.

A Figura 3.2 ilustra como o resultado da agrega¸c˜ao para responder `a consulta por similaridade com m´ultiplos centros varia de acordo com a fun¸c˜ao de distˆancia escolhida. Naturalmente, esse conceito pode ser generalizado para qualquer classe de fun¸c˜oes de distˆancia de acordo com o que o desenvolvedor/DBA/especialista julgue o mais adequado para a aplica¸c˜ao.

3.8.1

Varia¸c˜oes de Sele¸c˜ao por Similaridade em SQL

Embora o predicado mais referenciado seja o dos objetos mais pr´oximos, muitas vezes o que se busca ´e justamente o oposto (Guld et al., 2007). O uso de consultas com o predicado FAR visa recuperar os objetos com maior dissimilaridade do centro de consulta. Por exemplo, suponha que tenha-se uma imagem em cores (cujo identificador igual a 1) e o objetivo seja obter as imagens coloridas cujas tonalidades n˜ao aparecem na imagem colocada como centro de consulta (negativas). Atrav´es de um histograma de cores poder´ıamos solicitar:

SELECT imagem FROM tabelaImagens WHERE imagem FAR (SELECT imagem FROM tabelaImagens WHERE id = ’1’) by histograma STOP AFTER 3;

Tamb´em ´e poss´ıvel, sendo foco de diversos trabalhos (Gupta et al., 2011) (Ballesteros et al., 2011) mesclar consultas por similaridade com consultas tradicionais atrav´es de operadores de sele¸c˜ao. Essa classe de consultas aumenta consideravelmente a semˆantica dos resultados, al´em de permitir cortes nos resultados, aumentando a capacidade de resolu¸c˜ao de problemas via SGBDR. Por exemplo, para mamografias temos um padr˜ao

40 3. Recupera¸c˜ao de Dados por Conte´udo em SGBDR

de descri¸c˜ao e classifica¸c˜ao utilizada pelos especialistas ao laudar um exame, conhecida como BI-RADS (ACR, 2003).

Suponha que na tabela onde s˜ao armazenadas as imagens do exame exista tamb´em dois campos, onde o m´edico radiologista insira o diagn´ostico (sendo valores pr´e-definido como, por exemplo, massa ou calcifica¸c˜ao) e a descri¸c˜ao BI-RADS do diagn´ostico. Assim, uma ferramenta CBMIR poderia, atrav´es do SGBDR, responder quest˜oes como: “O especialista gostaria de ver as 5 imagens cranio-caudal mais similares a do atual paciente, considerando o diagn´ostico de massa e um grau BI-RADS de certeza superior a 2”. De acordo, com a disposi¸c˜ao das tabelas a consulta poderia ser traduzida como:

SELECT cranioCaudal FROM mamografia WHERE UPPER(diagnostico) = ’MASSA’ AND biRads > 2 AND cranioCaudal NEAR

(SELECT cranioCaudal FROM mamografia WHERE imgId = ’1’) by histograma STOP AFTER 3;

Outra utiliza¸c˜ao das consultas por similaridade, em particular em dom´ınios m´edicos ´e sua a utiliza¸c˜ao para realizar classifica¸c˜oes autom´aticas por aplicativos CAD (Tang et al., 2009). Por exemplo, suponha, considerando o par´agrafo anterior, que gostar´ıamos

de realizar uma classifica¸c˜ao autom´atica da imagem em an´alise (i.e. “massa” ou

“calcifica¸c˜ao”). Usando o SQL estendido, o seguinte comando pode ser emitido, usando a id´eia de “vota¸c˜ao” pelos vizinhos mais pr´oximos:

SELECT COUNT(diagnostico), diagnostico AS classificacao FROM mamografia WHERE cranioCaudal NEAR

(SELECT cranioCaudal FROM mamografia WHERE imgId = ’1’) by histograma STOP AFTER 3

GROUP BY diagnostico

HAVING COUNT(diagnostico) > 1;

Uma ´ultima considera¸c˜ao importante sobre consultas que envolvem buscas aos

k -vizinhos mais pr´oximos ´e com rela¸c˜ao a existˆencia de empates (o conjunto resposta pode ter v´arios elementos com distˆancias iguais `a distˆancia m´axima). Barioni (Barioni, 2006) prop˜oe o uso da clausula WITH TIE LIST ao final da consulta SQL para determinar o comportamento de recuperar todos os elementos, inclusive empatados no conjunto resposta.

A combina¸c˜ao das cl´ausulas STOP AFTER e RANGE podem ser combinadas em um ´unico comando para gerar uma consulta k and Range Query. Neste caso a resposta n˜ao conter´a mais do que k elementos ou que estejam mais distantes do que o raio ξ especificado. Por exemplo, considere o comando:

3.9 Jun¸c˜ao por Similaridade em SQL 41